আপনার আক্ষরিক প্রশ্নের উত্তর দেওয়ার জন্য, "পরিবর্তনের স্কোরগুলিতে স্বতন্ত্র ভেরিয়েবলের প্রভাব পরীক্ষা করার সময় কোনও বেসলাইন পরিমাপকে নিয়ন্ত্রণের পরিবর্তনশীল হিসাবে অন্তর্ভুক্ত করা বৈধ?", উত্তরটি নেই । উত্তরটি হ'ল না, কারণ নির্মাণের মাধ্যমে বেসলাইন স্কোরটি ত্রুটি শর্তের সাথে সম্পর্কিত যখন পরিবর্তনের স্কোরটি নির্ভরশীল ভেরিয়েবল হিসাবে ব্যবহৃত হয়, সুতরাং পরিবর্তনের স্কোরের বেসলাইনটির আনুমানিক প্রভাবটি ব্যাখ্যা ছাড়াই।
ব্যবহার
- প্রাথমিক ওজন হিসাবে ওয়াই 1ওয়াই1
- শেষ ওজন হিসাবে Y 2ওয়াই2
- ওজনের পরিবর্তন হিসাবে (যেমন Δ Y = Y 2 - Y 1 )Δ YΔ Y= ওয়াই2- ওয়াই1
- এলোমেলোভাবে নির্ধারিতচিকিত্সাহিসাবে টি , এবংটি
- ওজনকে প্রভাবিত করে এমন অন্যান্য বহিরাগত কারণ হিসাবে (যেমন অন্যান্য নিয়ন্ত্রণের পরিবর্তনশীল যা ফলাফলের সাথে সম্পর্কিত তবে এলোমেলোভাবে নিয়োগের কারণে চিকিত্সার সাথে সম্পর্কযুক্ত হওয়া উচিত)এক্স
এক তারপর একটি মডেল regressing হয়েছে উপর টি এবং এক্স ;Δ YTX
ΔY=β1T+β2X+e
যা সংজ্ঞা অনুসারে সমান;
Y2−Y1=β1T+β2X+e
এখন, আপনি যদি বেসারলাইনটিকে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করেন তবে একটি সমস্যা দেখা উচিত, সমীকরণের উভয় পাশে আপনার শব্দটি রয়েছে। এ থেকে জানা যায় বিটা 3 ওয়াই 1 কারণ তা না হয়, uninterpretable হয় মজ্জাগতভাবে ত্রুটি শব্দটি সঙ্গে সম্পর্কিত।Y1β3Y1
Y2−Y1Y2=β1T+β2X+β3Y1+e=β1T+β2X+β3Y1+(e+Y1)
এখন, বিভিন্ন উত্তর বিভ্রান্তির অংশ সত্য যে বিভিন্ন মডেলের জন্য অভিন্ন ফলাফল উত্পাদ থেকে ডাঁটা বলে মনে হয় চিকিত্সা প্রভাব , আমার উপরে তৈয়ার হবে। সুতরাং, যদি কেউ "লেভেল" ব্যবহার করে মডেলকে নির্ভরশীল পরিবর্তনশীল হিসাবে পরিবর্তনের স্কোরগুলি ব্যবহার করে মডেলটির জন্য চিকিত্সার প্রভাবের তুলনা করে (প্রতিটি মডেলের সাথে কোভারিট হিসাবে বেসলাইন ওয়াই 1 সহ ) থাকে তবে চিকিত্সা প্রভাবের ব্যাখ্যাটি হবে একই. যে দুটি মডেল β 1 টি অনুসরণ করে একই রকম হবে এবং তাদের উপর ভিত্তি করে সূচনাগুলিও (ব্রুস ওয়েভারের কিছু এসপিএসএস কোডও রয়েছে যা সমতা দেখিয়েছিল)।β1TY1β1T
Change Score ModelLevels Model:Y2−Y1=β1T+β2X+β3Y1+e:Y2=β1T+β2X+β3Y1+e
সুতরাং কিছু তর্ক করবে (যেমন ফেলিক্সের এই থ্রেডে রয়েছে, এবং ব্রুস ওয়েভার যেমন এসপিএসএস গুগল গ্রুপে কিছু আলোচনা করেছেন) যেহেতু মডেলগুলি একই অনুমানযুক্ত চিকিত্সা প্রভাবের ফলে, আপনি কোনটি চয়ন করেন তা বিবেচ্য নয়। আমি দ্বিমত পোষণ করছি, কারণ পরিবর্তন স্কোর মডেলের বেসলাইনের কোভারিয়্যাট ব্যাখ্যা করা যায় না, আপনার কখনই বেসলাইনটিকে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করা উচিত নয় (চিকিত্সার অনুমানের প্রভাব একই কিনা তা নির্বিশেষে)। সুতরাং এটি আরও একটি প্রশ্ন নিয়ে আসে, পরিবর্তিত স্কোরকে নির্ভরশীল ভেরিয়েবল হিসাবে ব্যবহার করার কী অর্থ? যেমনটি ফেলিক্স ইতিমধ্যে উল্লেখ করেছে, কোভারিয়েট হিসাবে বেসলাইন বাদে নির্ভরশীল পরিবর্তনশীল হিসাবে পরিবর্তন স্কোর ব্যবহার করে মডেলগুলি স্তরগুলি ব্যবহার করে মডেলের চেয়ে আলাদা। স্পষ্ট করার জন্য, পরবর্তী মডেলগুলি বিভিন্ন চিকিত্সার প্রভাব দেবে (বিশেষত চিকিত্সা বেসলাইনের সাথে সম্পর্কিত হয় এমন ক্ষেত্রে);
Change Score Model Without BaselineLevels Model:Y2−Y1=β1T+β2X+e:Y2=β1T+β2X+β3Y1+e
এটি পূর্ববর্তী সাহিত্যে "লর্ডসের প্যারাডক্স" হিসাবে উল্লেখ করা হয়েছে। সুতরাং কোন মডেল সঠিক? ভাল, এলোমেলো পরীক্ষার ক্ষেত্রে, আমি বলব স্তরগুলি মডেল পছন্দনীয় (যদিও আপনি যদি এলোমেলোভাবে একটি ভাল কাজ করেন তবে মডেলগুলির মধ্যে গড় চিকিত্সার প্রভাবটি খুব কাছাকাছি হওয়া উচিত)। অন্যান্যরা স্তরের মডেলকে কেন পছন্দনীয় বলে উল্লেখ করেছে, চার্লির উত্তরটি একটি ভাল পয়েন্ট দেয় যে আপনি স্তরগুলির মডেলটিতে বেসলাইনটির সাথে ইন্টারঅ্যাকশন প্রভাবগুলি অনুমান করতে পারেন (তবে আপনি পরিবর্তন স্কোর মডেলটিতে পারেন না)। খুব অনুরূপ প্রশ্নের এই প্রতিক্রিয়াতে হুশহুড়ি দেখায় যে কীভাবে পরিবর্তনগুলি স্কোরগুলি বিভিন্ন চিকিত্সার মধ্যে পারস্পরিক সম্পর্ককে প্ররোচিত করে।
XXXপেনশন বিশ্লেষণে নির্ভরশীল ভেরিয়েবল হিসাবে স্কোর পরিবর্তন করুন , এই একই উদাহরণ দেয় (এবং মূলত বিষয়টি সম্পর্কে আমার দৃষ্টিভঙ্গি প্রভাবিত করেছিল, তাই আমি এটি পড়ার জন্য অত্যন্ত পরামর্শ দিই)।
এটি এমনটি বলার অপেক্ষা রাখে না যে পরিবর্তনের স্কোরগুলি সর্বদা অ-র্যান্ডমাইজড সেটিংসে পছন্দসই। আপনি যদি বেসলাইনটি পরবর্তী ওজনের উপর প্রকৃত কার্যকারিতা প্রভাবিত করার প্রত্যাশা করেন তবে আপনার স্তরের মডেলটি ব্যবহার করা উচিত। আপনি যদি বেসলাইনটির কার্যকারণ প্রভাবের প্রত্যাশা করেন এবং চিকিত্সার মধ্যে নির্বাচনটি বেসলাইনটির সাথে সম্পর্কিত হয়, চিকিত্সার প্রভাবটি বেসলাইন প্রভাবের সাথে বিভ্রান্ত হয়।
চার্লির নোটটিকে আমি এড়িয়ে গেছি যে ওজনের লোগারিদম নির্ভরশীল পরিবর্তনশীল হিসাবে ব্যবহার করা যেতে পারে। যদিও আমি সন্দেহ করি না যে এটি একটি সম্ভাবনা হতে পারে তবে এটি প্রাথমিক প্রশ্নের কিছুটা অ-অনুক্রমিক । ভেরিয়েবলের লগারিদম (এবং যারা এখনও এই ক্ষেত্রে প্রযোজ্য) ব্যবহার করার উপযুক্ত হবে যখন অন্য একটি প্রশ্ন আলোচনা করেছে। এই বিষয়ে সম্ভবত পূর্বের সাহিত্য রয়েছে যা আপনাকে লগড ওজন ব্যবহার করাও উপযুক্ত কিনা তা আপনাকে গাইড করতে সহায়তা করবে।
তলব
অ্যালিসন, পল ডি 1990. রিগ্রেশন বিশ্লেষণে নির্ভরশীল পরিবর্তনশীল হিসাবে স্কোর পরিবর্তন করুন । সমাজতাত্ত্বিক পদ্ধতি 20: 93-114। সর্বজনীন পিডিএফ সংস্করণ ।